The invention discloses a combination of common spatial pattern algorithm and EMD EEG feature extraction method, first select the EEG of subjects as the training set and test set, respectively for a single signal in subjects with C3 and C4 two channels in the pretreatment; then the EEG signal preprocessing after empirical mode decomposition, obtained a series of intrinsic mode function IMFi, and draw the energy spectrum of each intrinsic mode function; C3, C4 channel will follow the single trial before the three order IMF component with a Xi matrix, the N*T, N is the number of IMF, T for a test the number of sampling points, the whole experiment process including G test group, G group received vector matrix, divided into G1 group and G2 group training test vector matrix vector matrix, respectively decomposition model of public space. The CSP filtering is performed by using the intrinsic mode function of the three channel EMD decomposition, and the frequency domain information of the EMD is added on the basis of the CSP, thereby solving the problem that the CSP lacks frequency domain information.
【技术实现步骤摘要】
本专利技术属于智能信息处理领域,具体涉及一种结合公共空间模式算法和EMD(经验模式分解)的脑电信号特征提取方法。
技术介绍
脑机接口是一种基于脑电信号实现人脑与计算机或其他设备之间通信和控制的接口,通过大脑活动产生的脑电信号(Electroencephalogram,EEG)为人类和环境之间提供了新的通信和控制渠道,拓宽了人类的控制能力,具有广泛的应用前景。该领域的发展不仅帮助瘫痪病人使用计算机、神经假体、机器臂等电子设备,也实现了包括:运动恢复、通信、环境控制甚至娱乐等其他功能。目前,基于EEG的脑机接口主要包含五个主要步骤:获取信号、预处理、特征提取、特征分类和接口设备控制。在以上步骤中:因为有效地在降维特征空间展现了输入信号特征并适用于进一步标识不同想象运动脑电信号的判别信息,特征提取在BCI研究界受到广泛的关注。作为基于运动想象的脑机接口(MotorImagery-BrainComputerInterface,MI-BCI)系统的信号源,包括脑电图(EEG)和脑皮层电图(Electrocorticography,ECoG),EEG信号是一种弱的、非线性、非平稳并且随时间变化的信号。所以提出一种有效的特征提取方法是改善识别精度的关键。目前,时间-频率分析作为处理智能信号一种潜在的强大方法并且被广泛地应用于脑信号的研究。传统的时间-频率方法包括:短时傅里叶变换(Short-timeFourierTransform,STFT),小波变换(WaveletTransform,WT),Winger-Ville分布,但是这些方法的本质都是基于傅里叶变换,根据海 ...
【技术保护点】
一种结合公共空间模式算法和EMD的脑电信号特征提取方法,其特征在于,所述方法包括如下步骤:步骤1:选取若干位受试者的脑电信号作为训练集和测试集,分别对单个受试者的C3、C4两个通道中的信号进行预处理;步骤2:对预处理后的EEG信号x(t)进行经验模式分解,得到一系列固有模态函数IMFi,并绘制所有固有模态函数的能谱图;步骤3:将单次试验的C3、C4通道前三阶IMF分量合并,构成一个N*T的矩阵Xi,i=L表示想象左手运动,i=R表示想象右手运动,其中,N为IMF个数,可看作通道数,T为一次试验的采样点个数,即窗口长度,整个实验过程包含G组试验,共得到G组向量矩阵,分为G1组测试向量矩阵和G2组训练向量矩阵,分别进行公共空间模式分解。
【技术特征摘要】
1.一种结合公共空间模式算法和EMD的脑电信号特征提取方法,其特征在于,所述方法包括如下步骤:步骤1:选取若干位受试者的脑电信号作为训练集和测试集,分别对单个受试者的C3、C4两个通道中的信号进行预处理;步骤2:对预处理后的EEG信号x(t)进行经验模式分解,得到一系列固有模态函数IMFi,并绘制所有固有模态函数的能谱图;步骤3:将单次试验的C3、C4通道前三阶IMF分量合并,构成一个N*T的矩阵Xi,i=L表示想象左手运动,i=R表示想象右手运动,其中,N为IMF个数,可看作通道数,T为一次试验的采样点个数,即窗口长度,整个实验过程包含G组试验,共得到G组向量矩阵,分为G1组测试向量矩阵和G2组训练向量矩阵,分别进行公共空间模式分解。2.根据权利要求1所述的结合公共空间模式算法和EMD的脑电信号特征提取方法,其特征在于步骤2中对EEG信号进行经验模式分解的具体步骤如下:(1)判断每个x(t)的局部极值,用三次样条曲线进行曲线拟合,局部极大值形成上包络emax(t),局部极小值形成下包络emin(t);(2)求emax(t)和emin(t)的均值:m(t)=emin(t)+emax(t)2---(1);]]>(3)计算输入信号x(t)和m(t)的差值:c(t)=x(t)-m(t)(2);如果c(t)不能满足IMF的定义截至条件,重复上述过程(1)-(3),否则,提取c(t)作为固有模态函数,剩余量r(t)计算如下:r(t)=x(t)-c(t)(3);(4)剩余量作为一个新的数据经过相同的筛选过程以获得下一个更低频率的固有模态函数,直到剩余函数r(t)为一个单调函数或者仅有一个极致时,分解过程停止,假设原始信号x(t)被分解为n个固有模态函数和一个剩余函数量r(t),可以得重构信号:x(t)=Σi=1nci(t)+rn(t)---(4).]]>3.根据权利要求1所述的结合公共空间模式算法和EMD的脑电信号特征提取方法,其特征在于,所述公共空间模式分解的算法包括如下步骤:步骤1:XL和XR表示预处理过的EEG矩阵,下标L和R分别代表左右想象运动和右手想象运动,N*T维,N为通道数,T为采样点数,标准化的空间协方差表示为:RH=XLXLTtrace(XLXLT)---(5)]]>RF=XRXRTtrace(XRXRT)---(6);]]>步骤2:对复合协方差矩阵进行对角化分解:R=RL‾+RR‾=U0ΣU0T---(7)]]>白化矩阵:P=Σ-1/2U0T---(8)]]>对平均协方差矩阵进行变形:SL=PRL‾PT---(9)]]>SR=PRR‾PT---(10)]]>SL和SR有共同的特征向量,满足下式:SL=B∑LBT(11)SR=B∑RBT(12)∑L+∑R=I(13);步骤3:成分选择,构造空间滤波器,SL最大...
【专利技术属性】
技术研发人员:张学军,黄婉露,杨善阳,何涛,成谢锋,
申请(专利权)人:南京邮电大学,
类型:发明
国别省市:江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。